Professional Documents
Culture Documents
Esta técnica consiste básicamente en estimar un modelo estadístico que relaciona los
factores de diseño con la característica estudiada. Para ello se utiliza una matriz de diseño
que establece el número de experimentos a realizar según los factores y sus niveles
considerados. Por ejemplo, una matriz de diseño 32 indicaría que recoge dos factores con
tres niveles cada uno, lo que supone un total de nueve experimentos diferentes. Cuando
se utilizan los datos de cada experimento se obtienen los respectivos valores de la
característica considerada y se puede seleccionar la combinación de niveles de los
factores que optimiza el valor de la empresa. (Montes, 2017) Los objetivos del diseño de
experimentos son:
1
Comparar las respuestas en diferentes niveles de observación de variables
controladas.
*Las conclusiones obtenidas en el estudio de cada factor tiene un campo de validez muy
restringido.
*Es inviable, en muchos casos, por problemas de tiempo o costo. (Fisher, 2006)
A continuación, se enumeran las etapas que deben seguirse para una correcta
planificación de un diseño experimental, etapas que deben ser ejecutadas de forma
secuencial. También se introducen algunos conceptos básicos en el estudio de los
modelos de diseño de experimentos. (Fisher, 2006)
2
Las etapas a seguir en el desarrollo de un problema de diseño de experimentos son las
siguientes:
— unidades experimentales,
6. Especificar el modelo.
Los pasos del listado anterior no son independientes y en un determinado momento puede
ser necesario volver atrás y modificar decisiones tomadas en algún paso previo.
A continuación, se hace una breve descripción de las decisiones que hay que tomar en
cada uno de los pasos enumerados. Sólo después de haber tomado estas decisiones se
procederá a realizar el experimento. (Fisher, 2006)
Se debe hacer una lista completa de las preguntas concretas a las que debe dar respuesta
el experimento. Es importante indicar solamente cuestiones fundamentales ya que tratar
de abordar problemas colaterales pueden complicar innecesariamente el experimento.
3
Una vez elaborada la lista de objetivos, puede ser útil esquematizar el tipo de conclusiones
que se espera obtener en el posterior análisis de datos.
Normalmente la lista de objetivos es refinada a medida que se van ejecutando las etapas
del diseño de experimentos. (Fisher, 2006)
-Factores “nuisance”: son aquellas fuentes que no son de interés directo pero que se
contemplan en el diseño para reducir la variabilidad no planificada.
Los niveles de un factor tratamiento son los tipos o grados específicos del factor que se
tendrán en cuenta en la realización del experimento.
4
— el sexo (hombre y mujer),
Observación es una medida en las condiciones determinadas por uno de los tratamientos.
Son el material donde evaluar la variable respuesta y al que se le aplican los distintos
niveles de los factores tratamiento.
5
Cuando un experimento se ejecuta sobre un período de tiempo de modo que las
observaciones se recogen secuencialmente en instantes de tiempo determinados, entonces
los propios instantes de tiempo pueden considerarse unidades experimentales.
Factor bloque. En algunos casos el factor nuisance puede ser fijado en distintos niveles,
de modo que es posible controlar su efecto a esos niveles. Entonces la forma de actuar es
mantener constante el nivel del factor para un grupo de unidades experimentales, se
cambia a otro nivel para otro grupo y así sucesivamente. Estos factores se denominan
factores de bloqueo (factores-bloque) y las unidades experimentales evaluadas en un
mismo nivel del bloqueo se dice que pertenecen al mismo bloque. Incluso cuando el
factor nuisance no es medible, a veces es posible agrupar las unidades experimentales en
bloques de unidades similares: parcelas de tierra contiguas o períodos de tiempo próximos
probablemente conduzcan a unidades experimentales más parecidas que parcelas o
períodos distantes.
6
Covariable. Si el factor nuisance es una propiedad cuantitativa de las unidades
experimentales que puede ser medida antes de realizar el experimento (el tamaño de un
fichero informático, la presión sanguínea de un paciente en un experimento médico o la
acidez de una parcela de tierra en un experimento agrícola). El factor se
denomina covariable y juega un papel importante en el análisis estadístico.
Fuente Tipo
(Fisher, 2006)
— anidamiento,
7
En la práctica, existen una serie de diseños estándar que se utilizan en la mayoría de los
casos.
También se debe especificar con claridad la forma en que se realizarán las mediciones:
instrumentos de medida, tiempo en el que se harán las mediciones, etc.
8
El modelo matemático especificado debe indicar la relación que se supone que existe
entre la variable respuesta y las principales fuentes de variación identificadas en el paso
2. Es fundamental que el modelo elegido se ajuste a la realidad con la mayor precisión
posible.
En este modelo la respuesta viene dada por una combinación lineal de términos que
representan las principales fuentes de variación planificada más un término residual
debido a las fuentes de variación no planificada. Los modelos que se estudian en este
texto se ajustan a esta forma general. El experimento piloto puede ayudar a comprobar si
el modelo se ajusta razonablemente bien a la realidad.
Los modelos de diseño de experimentos, según sean los factores incluidos en el mismo,
se pueden clasificar en: modelo de efectos fijos, modelo de efectos aleatorios y modelos
mixtos. A continuación, se precisan estas definiciones.
Factor de efectos fijos es un factor en el que los niveles han sido seleccionados por el
experimentador. Es apropiado cuando el interés se centra en comparar el efecto sobre la
respuesta de esos niveles específicos.
Factor de efectos aleatorios es un factor del que sólo se incluyen en el experimento una
muestra aleatoria simple de todos los posibles niveles del mismo. Evidentemente se
utilizan estos factores cuando tienen un número muy grande de niveles y no es razonable
o posible trabajar con todos ellos. En este caso se está interesado en examinar la
variabilidad de la respuesta debida a la población entera de niveles del factor.
Ejemplo: una cadena de hipermercados que tiene en plantilla 300 trabajadores de caja está
interesada en estudiar la influencia del factor trabajador en la variable “tiempo en el cobro
a un cliente”.
Modelo de efectos fijos es un modelo en el que todos los factores son factores de efectos
fijos.
Modelo de efectos aleatorios es un modelo en el que todos los factores son factores de
efectos aleatorios.
9
Modelo mixto es un modelo en el que hay factores de efectos fijos y factores de efectos
aleatorios.
Se deben esquematizar los pasos del análisis a realizar que deben incluir:
— contrastes a realizar,
Calcular el número de observaciones que se deben tomar para alcanzar los objetivos del
experimento.
Existen, dependiendo del modelo, algunas fórmulas para determinar este tamaño. Todas
ellas sin embargo requieren el conocimiento del tamaño de la variabilidad no planificada
(no sistemática y sistemática, si es el caso) y estimarlo a priori no es fácil, siendo
aconsejable sobreestimarla. Normalmente se estima a partir del experimento piloto y en
base a experiencias previas en trabajos con diseños experimentales semejantes.
De todas las etapas enumeradas, el proceso de recogida de datos suele ser la tarea que
mayor tiempo consume, pero es importante realizar una planificación previa, detallando
los pasos anteriores, lo que garantizará que los datos sean utilizados de la forma más
eficiente posible.
10
Es fundamental tener en cuenta que
“Ningún método de análisis estadístico, por sofisticado que sea, permite extraer
conclusiones correctas en un diseño de experimentos mal planificado”.
Recíprocamente, debe quedar claro que el análisis estadístico es una etapa más que está
completamente integrado en el proceso de planificación.
Pero no sólo los objetivos están presentes al inicio del análisis sino también la técnica
experimental empleada. Una regla de oro en la experimentación y que debe utilizarse es
la siguiente:
Finalmente indicar que todas las personas que trabajan en el experimento se deben
implicar en el mismo, esto es:
Bibliografía
Fisher, R. A. (08 de Mayo de 2006). http://dm.udc.es. Obtenido de
http://dm.udc.es/asignaturas/estadistica2/sec2_3.html
11